Ta-G-T：基于 RDF 图的表格到文本生成中的主客观捕获
计算与语言
2025-07-29 v1
摘要
在表格到文本（T2T）生成中，现有方法主要关注提供表格数据的客观描述。然而，生成包含主客观性的文本（其中主客观性指超越原始数值数据的解释）仍未得到充分探索。为此，我们引入一个新型管道，利用中间表示生成客观与主观文本。我们的三阶段管道包括：1）提取资源描述框架（RDF）三元组，2）将文本聚合为连贯叙述，3）注入主客观性以丰富生成文本。通过融合 RDF，我们的做法在保持可解释性的同时提高了事实准确性。不同于大型语言模型（如 GPT-3.5、Mistral-7B 和 Llama-2），我们的管道采用较小的微调 T5 模型，虽在多个指标上与 GPT-3.5 相当，却优于 Mistral-7B 和 Llama-2。我们通过定性和定量分析评估了该方法，证明其在平衡事实准确性与主观解释方面的有效性。就目前所知，这是首个提出用于 T2T 生成的结构化管道，集成中间表示以提升事实正确性和主客观性的工作。
引用
@article{arxiv.2507.19710,
title = {Ta-G-T: Subjectivity Capture in Table to Text Generation via RDF Graphs},
author = {Ronak Upasham and Tathagata Dey and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2507.19710},
year = {2025}
}